Análise Espaço-Temporal de Áreas de Queimadas no Estado do Maranhão a partir de Imagens MODIS e Classificação Random Forest

Abstract

Resumo O mapeamento de áreas queimadas através de imagens de sensoriamento remoto apresenta uma série de questões importantes no gerenciamento espacial de estudos de detecção de focos de calor, análise de risco de incêndio, avaliação de danos e gerenciamento de processos de regeneração florestal. Neste estudo foi apresentada uma abordagem metodológica para mapeamento de áreas de queimadas no estado do Maranhão de 2001 a 2019 a partir de dados do satélite Terra/MODIS e do Algoritmo de Classificação Binária Random Forest. A avaliação da qualidade dos mapas gerados foi realizada a partir do produto padrão NASA MCD64A1 de áreas queimadas do sensor MODIS, que resultou num Coeficiente de Determinação geral (R²) de 0,55 e Correlação de Spearman de 0,78. O modelo Random Forest com 400 árvores permitiu avaliar a banda espectral de maior contribuição na classificação, bem como os erros relacionados ao número de árvores empregado. Algumas feições de áreas queimadas foram superestimadas, apresentando elevados erros de comissão. Os resultados mostraram que esta abordagem é útil para determinar áreas queimadas derivadas de dados de satélite de órbita polar. O modelo Random Forest mostrou-se aplicável em áreas de transição entre biomas. Constatou-se uma relação não linear entre a variabilidade espaço-temporal de incêndio e o clima em ecossistemas temperados. A Metodologia estabelecida e validada neste estudo poderá ser aplicada em outras regiões de clima temperado. Abstract The mapping of burnt areas through remote sensing images presents a series of important issues in the spatial management of studies for the detection of hot spots, fire risk analysis, damage assessment and management of forest regeneration processes. In this study, a methodological approach was presented for mapping the burning areas in the state of Maranhão from 2001 to 2019 using data from the Terra / MODIS satellite and the Random Forest Binary Classification Algorithm. The quality assessment of the generated maps was carried out using the standard product NASA MCD64A1 of burned areas of the MODIS sensor, which resulted in a general Coefficient of Determination (R²) of 0.55 and Spearman Correlation of 0.78. The Random Forest model with 400 trees allowed to evaluate the spectral band with the greatest contribution in the classification, as well as the errors related to the number of trees used. Some features of burnt areas were over estimated, showing high commission errors. The results showed that this approach is useful to determine burnt areas derived from polar orbit satellite data. The Random Forest model proved to be applicable in areas of transition between biomes. There was a non-linear relationship between the space-time variability of fire and the climate in temperate ecosystems. The methodology established and validated in this study can be applied in other regions of temperate climate.